[논문 리뷰] MultiRocket: Effective summary statistics for convolutional outputs in time series classification.

Chang Wei Tan, Angus Dempster외 2명|arXiv (Cornell University)|2021. 01. 31.

Time Series Analysis and Forecasting인용 수 10

한 줄 요약

MultiRocket는 다수의 커널 변환을 통해 MiniRocket의 기능 집합을 확장함으로써 시간 시리즈 분류 정확도를 향상시키며, UCR 아카이브에서 최신 기술 수준의 성능을 달성하면서도 유사한 정확도를 가진 기존 방법들보다 수 개체 수준으로 빠른 속도를 유지한다. 이는 속도를 희생시키지 않은 채 Rocket과 MiniRocket보다 크게 향상된 성능을 제공한다.

ABSTRACT

Rocket and MiniRocket, while two of the fastest methods for time series classification, are both somewhat less accurate than the current most accurate methods (namely, HIVE-COTE and its variants). We show that it is possible to significantly improve the accuracy of MiniRocket (and Rocket), with some additional computational expense, by expanding the set of features produced by the transform, making MultiRocket (for MiniRocket with Multiple Features) overall the single most accurate method on the datasets in the UCR archive, while still being orders of magnitude faster than any algorithm of comparable accuracy other than its precursors

연구 동기 및 목표

• MiniRocket와 같은 빠른 시간 시리즈 분류기와 HIVE-COTE와 같은 가장 정확한 기존 방법 사이의 정확도 격차를 해소하기 위해.
• 높은 계산 비용 없이 MiniRocket의 성능을 향상시키기 위해.
• MiniRocket의 속도를 유지하면서도 분류 정확도를 크게 향상시키는 방법을 개발하기 위해.

제안 방법

• MultiRocket는 다양한 컨볼루션 커널을 사용하여 다수의 특징 맵을 생성함으로써 MiniRocket을 확장한다.
• 더 넓은 범위의 무작위 커널을 적용하여 시간 시리즈 입력에서 더 포괄적인 통계 요약을 추출한다.
• 다양한 커널 변환의 출력을 집계하여 특징 표현을 풍부하게 한다.
• 학습하지 않고 고정된 무작위 초기화 커널을 사용함으로써 MiniRocket의 효율성을 유지한다.
• 확장된 특징 집합은 시간 시리즈 클래스 간의 구분 능력을 향상시킨다.
• 최종 분류기는 풍부한 특징 집합을 기반으로 훈련되어 MiniRocket나 Rocket보다 더 높은 정확도를 달성한다.

실험 결과

연구 질문

• RQ1 MiniRocket의 특징 집합을 확장함으로써 정확도를 향상시킬 수 있으며, 이는 속도를 희생시키지 않는가?
• RQ2 MultiRocket는 UCR 시간 시리즈 벤치마크에서 HIVE-COTE 및 기타 최신 기술 수준의 방법과 비교해 정확도에서 어떻게 성과를 내는가?
• RQ3 특징 집합 확장으로 인해 Rocket과 MiniRocket의 성능은 어느 정도 향상될 수 있는가?

주요 결과

• MultiRocket는 UCR 시간 시리즈 분류 벤치마크에서 최신 기술 수준의 정확도를 달성하여 Rocket과 MiniRocket를 모두 뛰어넘는다.
• HIVE-COTE 및 기타 매우 정확한 방법들보다 수 개체 수준으로 더 빠른 추론 속도를 유지한다.
• MiniRocket에 비해 계산 비용이 약간 증가할 뿐이지만 정확도 향상은 달성된다.
• MultiRocket는 특징 집합 확장 전략이 시간 시리즈 분류 성능 향상에 매우 효과적이라는 것을 입증한다.
• 기존의 대안들 중 정확도가 유사한 경우를 제외하고, 이는 어떠한 다른 방법보다도 현저히 더 빠른 속도를 유지한다.